{"kind":"guides","slug":"comfyui-text-to-speech","path":"/guides/comfyui-text-to-speech","title":"ComfyUI TTS: Nodes und Figuren-Voiceover | SuperClonica","description":"Text-to-Speech in ComfyUI: TTS-Node-Pakete wie TTS Audio Suite und wie Sie ein fertiges Figuren-Voiceover mit Load Audio und Create Video einbinden.","h1":"ComfyUI Text-to-Speech: TTS-Nodes und Voiceover einbinden","intro":"ComfyUI verarbeitet Audio im Workflow, Text-to-Speech kommt meist aus einem Custom-Node-Paket. Das passt für Klonen und Experimente, doch die Modelle können groß sein und mit Bildmodellen um Grafikspeicher konkurrieren.\n\nDiese Anleitung zeigt den Weg über Nodes und einen einfacheren: die Stimme als Datei erzeugen und in den Workflow laden.","sections":[{"heading":"TTS-Nodes in ComfyUI","paragraphs":["Das bekannteste Paket ist TTS Audio Suite. Installieren Sie es über den ComfyUI Manager oder klonen Sie es nach ComfyUI/custom_nodes und folgen Sie den Installationsschritten. Es bündelt viele Engines hinter denselben Nodes, darunter ChatterboxTTS, F5-TTS, Higgs Audio, MOSS-TTS und Echo-TTS, dazu Stimmumwandlung mit RVC. Modelle können mehrere Gigabyte belegen, und die Lizenzen unterscheiden sich je Engine; lesen Sie sie vor kommerzieller Nutzung."]},{"heading":"Wann eine fertige Stimme einfacher ist","paragraphs":["Node-Pakete glänzen beim Klonen oder wenn Sie besondere Regler einer Engine brauchen. Für ein fertiges Voiceover muss nichts in ComfyUI laufen. Die kostenlose SuperClonica-Engine arbeitet auf einem normalen Prozessor und lässt die Grafikkarte Ihren Bild- und Videomodellen. Einen eigenen ComfyUI-Node hat SuperClonica nicht; die Verbindung ist eine Audiodatei."]},{"heading":"Die Audiodatei erzeugen","paragraphs":["Wählen Sie eine von rund 190 Stimmen im Katalog, von Sprechern bis zu Spiel- und Filmfiguren, und testen Sie auf ihrer Seite kostenlos einen Satz mit 30 bis 100 Zeichen. Für ein ganzes Skript installieren Sie die Engine mit python -m pip install superclonica-cpu und führen aus: superclonica --text-file script.txt --voice F2 --lang de --output voice.wav. Beim ersten Start lädt sie einmal das Modell, etwa 400 MB; danach läuft sie offline."]},{"heading":"In den Workflow laden","paragraphs":["Legen Sie voice.wav in den Ordner ComfyUI/input und fügen Sie einen Load-Audio-Node hinzu, der aus diesem Ordner liest. Verbinden Sie ihn zum Anhören mit Preview Audio. Für ein Video verbinden Sie Load Audio mit dem optionalen Audio-Eingang von Create Video, zusammen mit Ihren Frames, und geben Sie das Ergebnis an Save Video."]},{"heading":"Stimme und Bild im Takt halten","paragraphs":["Vertonen Sie zuerst das Skript und erzeugen Sie dann das Bild passend zur Länge: Die Dauer der Datei geteilt durch die Frame-Zeit ergibt die Zahl der Frames. Bei mehreren Szenen vertonen Sie jeden Satz als eigene Datei. Das Tempo ändern Sie in der Engine mit --speed: Ein höherer Wert ist schneller."]}],"faq":[{"question":"Hat ComfyUI eingebautes Text-to-Speech?","answer":"Der Kern hat Nodes zum Laden, Anhören und Speichern von Audio. Text-to-Speech kommt meist aus einem Custom-Node-Paket wie TTS Audio Suite."},{"question":"Welcher TTS-Node ist der beste für ComfyUI?","answer":"Das hängt von der Aufgabe ab. TTS Audio Suite bietet viele Engines zum Klonen und Experimentieren. Für ein schnelles Voiceover ist eine außerhalb von ComfyUI erzeugte Datei oft einfacher."},{"question":"Gibt es einen SuperClonica-Node?","answer":"Nein. Erzeugen Sie mit der kostenlosen Engine eine WAV-Datei und binden Sie sie mit Load Audio ein."},{"question":"Kann ich die Stimme zu einem generierten Video hinzufügen?","answer":"Ja: Verbinden Sie Load Audio mit dem Audio-Eingang von Create Video und nutzen Sie Save Video."},{"question":"Brauche ich für die Stimme eine Grafikkarte?","answer":"Mit SuperClonica nicht: Die Engine läuft auf einem normalen Prozessor."}],"cta":{"catalog":"Stimmen ansehen","install":"SuperClonica-Engine installieren"},"sources":[{"label":"TTS Audio Suite for ComfyUI","url":"https://github.com/diodiogod/TTS-Audio-Suite"},{"label":"ComfyUI audio nodes (source)","url":"https://github.com/Comfy-Org/ComfyUI/blob/master/comfy_extras/nodes_audio.py"},{"label":"ComfyUI video nodes (source)","url":"https://github.com/Comfy-Org/ComfyUI/blob/master/comfy_extras/nodes_video.py"},{"label":"SuperClonica engine on PyPI","url":"https://pypi.org/project/superclonica-cpu/"}],"published":"2026-11-01","updated":"2026-11-01","pages":[{"slug":"windows-speech-voices","path":"/guides/windows-speech-voices","h1":"Text-to-Speech-Stimmen und Sprachpakete in Windows hinzufügen"},{"slug":"character-ai-text-to-speech","path":"/guides/character-ai-text-to-speech","h1":"Character AI Text-to-Speech: Stimmen in der App und außerhalb"},{"slug":"keynote-ai-voiceover","path":"/guides/keynote-ai-voiceover","h1":"KI-Sprecher für Keynote: Folien am Mac vertonen"},{"slug":"capcut-text-to-speech","path":"/guides/capcut-text-to-speech","h1":"CapCut Text-to-Speech: Figurenstimmen für Ihre Videos"},{"slug":"kinemaster-text-to-speech","path":"/guides/kinemaster-text-to-speech","h1":"KineMaster Text to Speech: Voiceover für Ihren Schnitt"},{"slug":"adobe-express-text-to-speech","path":"/guides/adobe-express-text-to-speech","h1":"Adobe Express Text to Speech: ein Voiceover für Ihr Design"},{"slug":"pictory-voiceover","path":"/guides/pictory-voiceover","h1":"Pictory Voiceover: KI-Stimmen oder Ihre eigene"},{"slug":"audio-description-voice","path":"/guides/audio-description-voice","h1":"Stimme für Audiodeskription von Videos"},{"slug":"wordpress-text-to-speech","path":"/guides/wordpress-text-to-speech","h1":"WordPress Text-to-Speech ohne Plugin: eine Audioversion jedes Beitrags"},{"slug":"talking-clock-voice","path":"/guides/talking-clock-voice","h1":"Sprechende Uhr: eine Zeitansage in jeder Stimme selbst bauen"},{"slug":"alltalk-tts-alternative","path":"/guides/alltalk-tts-alternative","h1":"Eine AllTalk-TTS-Alternative für Mac und normale CPUs"},{"slug":"sillytavern-tts","path":"/guides/sillytavern-tts","h1":"SillyTavern TTS: aktivieren und jeder Figur eine Stimme geben"}],"related":[{"slug":"text-to-speech","path":"/text-to-speech","h1":"Text-to-Speech, das auf Ihrem eigenen Rechner läuft"},{"slug":"supertonic","path":"/compare/supertonic","h1":"Supertonic vs. SuperClonica: dasselbe Modell, schneller und sauberer"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio und Fish Speech im Vergleich mit SuperClonica"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoice oder SuperClonica: mehr Sprachen oder mehr Tempo"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"Qwen3-TTS oder SuperClonica für lokale Sprachsynthese"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2 oder SuperClonica: Studioklang oder CPU-Tempo"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTS oder SuperClonica: Zero-Shot-Klonen oder schnelle Sprache auf der CPU"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"Eine Offline-Alternative zu ElevenLabs"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTS oder SuperClonica: zwei kleine Modelle für lokale Sprachsynthese"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTS oder SuperClonica: kleine Geräte oder eigene Stimmen"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2 oder SuperClonica: eine Alternative zu Coqui TTS"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTS oder SuperClonica: sofortiger Klon oder trainierte Stimmdatei"}]}